计算特征和目标变量之间的相关性

Question

计算我的特征和目标变量之间相关性的最佳解决方案是什么？我的数据框有 1000 行和 40 000 列……

例子：

 df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]], columns=['Feature1', 'Feature2','Feature3','Target'])

这段代码工作正常，但这在我的数据框上太长了……我只需要相关矩阵的最后一列：与目标的相关性（不是成对特征相关性）。

 corr_matrix=df.corr()
corr_matrix["Target"].sort_values(ascending=False)

np.corcoeff() 函数适用于数组，但我们可以排除成对特征相关性吗？

原文由 Cox Tox 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您可以在每一列上使用 pandas corr ：

 df.drop("Target", axis=1).apply(lambda x: x.corr(df.Target))

原文由 w-m 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

自 2019 年 1 月发布 Pandas 0.24 以来，您可以简单地使用 DataFrame.corrwith() ：

 df.corrwith(df["Target"])

原文由 Martin Valgur 发布，翻译遵循 CC BY-SA 4.0 许可协议